Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
2.1 Regresión Lineal: Presentación e Interpretación Augusto Orellana 1 sem 2019 1. Modelo Econométrico Datos de salarios y nivel de educación para una población de 90 individuos. 1. Modelo Econométrico Datos de salarios y nivel de educación para una población de 90 individuos. 1. Modelo Econométrico Datos de salarios y nivel de educación para una población de 90 individuos. E(Y|X) 8 9 10 11 12 13 14 15 16 17 166199 204532 230956 233164 281324 342662 382324 476347 594125 922220 8 9 10 11 12 13 14 15 16 17 8 9 10 11 12 13 14 15 16 17 1. Modelo Econométrico Recta de regresión 1. Modelo Econométrico Supongamos por un momento que la relación es lineal(*) Curva de regresión o función poblacional: “Es simplemente el lugar geométrico de las medias condicionales de la variable dependiente para los valores fijos de la(s) variable(s) explicativa(s)” Def: Variable dependiente, variable explicativa 1. Modelo Econométrico Función de Regresión Poblacional Salarios Años de escolaridad E(W|e) 13 15 17 342,662 476,347 922,220 1. Modelo Econométrico Función de Regresión Poblacional ¿Cuál es la forma de f? Def: Coeficientes o parámetros de regresión 1. Modelo Econométrico Población 1. Modelo Econométrico Muestra 1. Modelo Econométrico (GP 2010) Función de Regresión Muestral 1. Modelo Econométrico Si son aleatoreas, no tenemos de que preocuparnos ¿Qué pasa si tengo más de una muestra? 1. Modelo Econométrico (GP 2010) Regresión poblacional (FRP) vs. Regresión muestral FRM 1. Modelo Econométrico Exemplo: Regresión poblacional (FRP) vs. Regresión muestral FRM 1. Modelo Econométrico Exemplo: Regresión poblacional (FRP) vs. Regresión muestral FRM 1. Modelo Econométrico (GP 2010) Volvamos a la regresión muestral 1. Modelo Econométrico (GP 2010) ¿Cómo llegamos a esta recta? 2. Estimación por MCO Minimizamos la suma de errores al cuadrado 2. Estimación por MCO Minimizamos la suma de errores al cuadrado Equivalente a usar 2 supuestos 2. Estimación por MCO Minimizamos la suma de errores al cuadrado Equivalente a usar 2 supuestos VEAMOS LO EN LA PIZARRA!!!! 2. Estimación por MCO Condiciones de Primer Orden 2. Estimación por MCO Condiciones de Primer Orden Estimador de MCO 2. Estimación por MCO Estimadores de MCO con un regresor: i i i u X Y ˆ ˆ ˆ 2 1 + + = b b 150 200 250 300 350 400 150200250300350 prom_lect prom_matFitted values 150 200 250 300 350 400 150200250300350 prom_lect prom_matFitted values Fitted values å = = n i i u L 1 2 å = = n i i u L 1 2 0 ) ( 0 ) ( 0 ) | ( 0 ) ( = = Þ = = Xu E u E X u E u E 0 ˆ 0 ˆ 1 1 = = Þ å å = = n i i i n i i u X u 0 ) ˆ ˆ ˆ ( 0 ) ˆ ˆ ˆ ( 0 ) ˆ ˆ ˆ ( 1 2 2 1 1 0 2 1 2 2 1 1 0 1 1 2 2 1 1 0 = - - - = - - - = - - - Þ å å å = = = n i i i i i n i i i i i n i i i i X X Y X X X Y X X X Y b b b b b b b b b Y X X X ´ ) ´ ( ˆ 1 - = b å å å å å å å å å å å = = = = = = = = = = = ÷ ø ö ç è æ - - = ÷ ø ö ç è æ - - = n i n i i i n i i i n i i n i i n i i n i n i i i n i i n i i n i i i X X n Y X X Y X X X n Y X Y X n 1 2 1 2 1 1 1 1 2 1 1 2 1 2 1 1 1 2 ˆ ˆ b b
Compartir